[發明專利]一種面向不一致用戶評價準則的在線服務推薦方法

在審

• 申請號: 201710522570.0
• 申請日: 2017-06-30
• 公開（公告）號: CN107507049A
• 公開（公告）日: 2017-12-22
• 發明（設計）人: 付曉東;張國濤;劉驪;馮勇;劉利軍
• 申請（專利權）人: 昆明理工大學
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種面向不一致用戶評價準則的在線服務推薦方法，屬于在線服務推薦和推薦系統技術領域。

背景技術

隨著互聯網的迅速發展，在線服務隨之快速發展。Q. Z. Sheng等（<Information Sciences>， 2014， 280:218-238）指出在線服務已經成為一個標準的技術以用來分享數據和軟件服務，同時互聯網上有效的在線服務數量正不斷增加。面對大量的在線服務，用戶在選擇服務時面臨著許多問題：①用戶對大多數服務都沒有交互經驗，無法根據已有經驗迅速找到所需求的服務。②服務信息由服務提供者提供，而很難確保信息的真實性。③用戶對服務的評價標準不一致，用戶無法判斷其他用戶對服務的評價是否符合自身的偏好。?在線服務數量龐大使得用戶無法一一試用來判斷服務的好壞，而且一般在線服務不提供試用。這些問題導致用戶很難從大量在線服務中快速找到自己真正感興趣和需求的服務。推薦系統根據用戶的興趣偏好和購買行為，建立用戶與在線服務之間的二元關系，利用用戶歷史經驗信息找到用戶之間的相似性關系，預測用戶潛在的興趣服務并向用戶推薦這些服務，為用戶選擇服務時提供幫助和建議。一個客觀的推薦方法能夠為用戶提供高效高質量的服務推薦。Yao L等（<IEEE International Conference on Web Services>，2013:42-49）指出在實際應用中越來越多在線服務采用有效且高效的方法來提高服務推薦質量。

Guosheng Kang等（<IEEE Transactions on Network & Service Management>， 2015， 12（4）:1-1）指出推薦策略主要包括基于內容的推薦、協同過濾推薦、混合推薦等。除此以外還有基于網絡結構的推薦、社會網絡推薦及其他推薦等在線服務推薦方法。Josang A等（&lt;Decision Support Systems&gt;，2007，43（2）:618-644）指出傳統推薦方法假定用戶按相同的評價準則對服務進行評價。而假設用戶按照相同的評價準則對服務進行評價，則不同用戶之間的評分是可以進行比較的。然而，由于用戶的習慣及偏好不同，對服務評價的標準也就不一致。由具備不一致評價準則的用戶對服務進行評分，即使用戶對服務的偏好程度一致，其對服務的評分也可能不同，公知的方法會得到不同的偏好相似度，從而使用戶獲得不同的推薦結果。同樣，即使用戶對服務的偏好程度不一致，其對服務的評分也可能相同，公知的方法會得到相同的偏好相似度，從而用戶會得到相同的推薦結果。因此，公知方法假定評價準則一致來進行推薦不符合客觀真實情況并導致推薦結果不符合用戶的真正需求。不同用戶對服務評價準則不同導致的不同用戶對同一服務評分不可比較，會導致推薦產生一系列問題，例如公知的基于項目的協同推薦方法中采用余弦相似性度量用戶相似度，雖然對評分數值的敏感程度有所降低，但忽略了評分所表示的用戶對服務的偏好關系，使得服務提供者難以根據評分判斷用戶對其提供服務的偏好程度與用戶對其他服務的偏好程度之間的差別，不利于服務提供者利用評分為用戶定制個性化的服務。此外，公知的方法假定用戶評價準則一致而導致不同用戶對服務評分之間具備可比較性。例如公知的基于用戶的協同推薦方法中采用歐式距離度量用戶相似度，只考慮用戶對服務的評分，忽略了評分之間的關系，服務提供者只需提高某服務的評分，就能使改服務的推薦結果排序更靠前，使改服務能夠更容易被推薦給用戶，從而防操縱能力較弱。此外，公知的方法忽略了用戶對服務之間的偏好關系，例如大多數與目標用戶偏好相似的用戶對服務A的評分高于服務B的評分，即用戶對服務A的偏好程度大于服務B的偏好程度，推薦系統反而優先推薦服務B給用戶，導致推薦結果不符合用戶的服務偏好。

發明內容

本發明要解決的技術問題是提供一種面向不一致用戶評價準則的在線服務推薦方法，用于解決評分不可比較性時采用服務評分進行服務推薦及改善服務推薦質量面臨的問題。

本發明的技術方案是：一種面向不一致用戶評價準則的在線服務推薦方法，首先根據用戶-服務評分矩陣建立用戶對服務的偏好關系；其次計算用戶之間偏好關系的相似性；然后以用戶之間偏好相似性來計算用戶對未評價服務的預測評分；最后對預測評分排序并將具有最高評分的前N個服務作為推薦服務。

具體步驟為：

步驟1、根據用戶-服務評分的二元關系矩陣建立用戶對服務的偏好關系；